Systems
Disusun Oleh :
1. Tiurmatarida Panjaitan (190403059)
2. Deswita Gloria S. (190403131)
1. PERKENALAN
Sejak penemuannya, komputer menjadi lebih kecil, lebih cepat, lebih
bertenaga, lebih murah, dan—sampai taraf tertentu—lebih “cerdas”. Perubahan-
perubahan ini terjadi secara eksponensial daripada laju linier— percepatan yang
dikenal sebagai "Hukum Moore" (Moore, 1965)—dan telah memicu pengenalan
otomatisasi berbasis komputer secara luas, yang, dari awal yang kecil di tahun
1960-an, telah merambah semua bagian kehidupan saat ini. Sistem otomatis
ditemukan di semua aspek pekerjaan — di bidang manufaktur, pembangkit listrik,
perawatan kesehatan, transportasi, kantor, rumah, dan di banyak industri lainnya.
Pertumbuhannya begitu meluas sehingga otomatisasi akan tetap ada. Bayangkan
hidup tanpa GPS, mesin pencari internet, dan perdagangan elektronik. Dalam waktu
dekat, perangkat otomatis mini dapat menembus pakaian kita dan bahkan mungkin
tubuh kita. Sejauh mana otomasi telah merasuki tempat kerja dan kehidupan sehari-
hari ditangkap dengan baik oleh volume besar tentang otomasi yang diterbitkan
oleh Nof (2009), yang membutuhkan lebih dari 90 bab untuk menjelaskan aplikasi
yang tersebar luas ini!
Banyak faktor yang bertanggung jawab atas penerapan otomatisasi secara
luas, yang menunjukkan sedikit tanda-tanda akan memperbaiki. Faktor tersebut
meliputi masalah ekonomi, khususnya mengurangi biaya tenaga kerja,
meningkatkan efisiensi, meningkatkan persyaratan keselamatan, dan tetap
kompetitif di pasar (Satchell, 1998). Apakah hasil seperti itu terwujud?—Untuk
sebagian besar, ya.
Otomasi telah menghasilkan banyak manfaat. Pertimbangkan dua domain
di mana otomatisasi umum: perawatan kesehatan dan penerbangan. Di masa lalu,
rekam medis elektronik dan sistem pendukung keputusan telah berkontribusi pada
penurunan hasil pasien yang merugikan (Gawande & Bates, 2000; Morrow,
Wickens, & North, 2006). Pengingat klinis otomatis yang memandu dokter
memperhatikan masalah kesehatan untuk pasien tertentu dan merekomendasikan
tindak lanjut juga meningkatkan perawatan pasien (Karsh, 2010; Vashitz et al.,
2009). Dalam operasi, "navigasi yang dipandu gambar" yang mendukung ahli
bedah selama operasi mastektomi dapat meningkatkan keselamatan pasien
(Manzey et al., 2011). Dalam penerbangan, otomatisasi memungkinkan pesawat
untuk terbang dengan rute yang lebih langsung, sehingga mengurangi biaya bahan
bakar. Catatan keamanan pesawat komersial yang lebih otomatis juga terus
meningkat dibandingkan dengan generasi pesawat sebelumnya (Billings, 1997;
Pritchett, 2009; Wiener, 1988). Manfaat serupa telah didokumentasikan di banyak
domain lain di mana otomatisasi telah diterapkan — di tempat kerja, di transportasi,
di kegiatan rekreasi, dan di rumah (Nof, 2009; Sheridan & Parasuraman, 2006).
Manfaat utama otomatisasi, terlepas dari area aplikasinya, adalah dapat,
jika dirancang dengan hati-hati, mengurangi beban kerja pengguna manusia, baik
mental maupun fisik. Pengurangan beban kerja seperti itu dapat terjadi dalam
pelaksanaan respons dan pengerahan otot (pertimbangkan pembuka kaleng
otomatis, obeng, atau rautan pensil), dalam pilihan keputusan (ingat, seperti yang
dibahas dalam Bab 8, upaya mental yang terlibat dalam membuat keputusan
berisiko tinggi dalam situasi yang tidak biasa dan dalam perolehan dan analisis
informasi (ingat biaya pemindaian tampilan yang berantakan, atau secara mental
menambahkan dua angka). Lebih dari segalanya, potensi otomatisasi untuk
mengurangi beban kerja adalah hal yang membuatnya menarik bagi operator
manusia di lingkungan di mana waktu stress tinggi atau di lingkungan kerja di mana
upaya kognitif harus diminimalkan karena kebutuhan untuk melakukan banyak hal
lain secara bersamaan. Namun, seperti yang akan kita lihat nanti di bab ini, ini fitur
pengurangan beban kerja sekaligus dapat mengundang jenis masalah baru saat
otomatisasi diperkenalkan.
Mengingat manfaat luas yang diberikan oleh otomasi, tidak mengherankan
bahwa para desainer telah mendorong otomasi yang lebih besar dan lebih kuat
ketika mereka ditugaskan untuk mengembangkan sistem baru. Hal ini sering
dilakukan dengan keyakinan bahwa human error akan dihilangkan, atau tingkat
beban kerja operator yang berlebihan akan dikurangi, sehingga peluang terjadinya
human error akan berkurang. Namun, keyakinan seperti itu ternyata salah.
Sementara otomatisasi dapat mengurangi beberapa bentuk kesalahan, itu dapat
memperkenalkan yang baru (Pritchett, 2009; Sarter, 2008), dan dalam beberapa
kasus otomatisasi dapat meningkatkan secara paradoks daripada mengurangi beban
kerja mental manusia (Wiener & Curry, 1980). Penelitian tentang interaksi
manusia-otomatisasi telah menunjukkan bahwa otomatisasi mengubah sifat tugas-
tugas kognitif yang harus dilakukan manusia, seringkali dengan cara yang tidak
terduga atau tidak diantisipasi oleh para desainer (Parasuraman & Riley, 1997).
Akibatnya dan ironisnya, ketika otomatisasi menjadi lebih kuat dan
mengasumsikan lebih banyak otoritas, peran manusia sebenarnya menjadi lebih
penting (Parasuraman & Wickens, 2008).
Pendekatan desain yang berpusat pada teknologi sebagian besar
bertanggung jawab atas masalah kinerja manusia yang muncul dengan sistem
otomatis. Desainer biasanya memusatkan energi mereka pada sensor, algoritme,
dan aktuator yang masuk ke sistem otomatis, dengan sedikit atau tanpa perhatian
diberikan pada karakteristik manusia pengguna sistem tersebut. Sekarang ada
banyak bukti untuk mendukung pandangan bahwa daripada berfokus hanya pada
fitur teknis otomatisasi, desainer juga harus mempertimbangkan kinerja manusia,
suatu pendekatan yang kadang disebut otomatisasi yang berpusat pada manusia
(Billings, 1997). Oleh karena itu, tantangannya adalah merancang gabungan kinerja
otomasi- manusia.
Dalam bab ini kita membahas bagaimana tantangan itu dapat dipenuhi.
Kami mempertimbangkan berbagai aspek kemampuan dan keterbatasan manusia
yang muncul saat manusia berinteraksi dengan otomatisasi dan yang telah
dijelaskan secara luas di bab-bab sebelumnya dari buku ini. Karena otomasi dapat
diterapkan pada seluruh rentang fungsi manusia, mulai dari penginderaan melalui
pengambilan keputusan hingga tindakan, banyak komponen model pemrosesan
informasi yang diperkenalkan di Bab 1 relevan untuk memahami interaksi otomasi
manusia. Kami memulai pemeriksaan kami tentang masalah dalam interaksi
manusia-otomatisasi dengan terlebih dahulu membahas contoh dan tujuan
otomatisasi.
2.4. Ekonomi
Otomasi sering diperkenalkan karena lebih murah daripada membayar
orang untuk melakukan pekerjaan yang setara atau dilatih untuk pekerjaan itu. Jadi,
kita melihat robot menggantikan pekerja di banyak pabrik manufaktur dan menu
telepon otomatis menggantikan suara manusia di ujung telepon. Kendaraan udara
tak berawak jauh lebih murah untuk diproduksi dan diterbangkan daripada pesawat
berawak (Cooke et al., 2006). Tapi seperti yang ditunjukkan oleh contoh menu
telepon, ekonomi yang dicapai dengan otomatisasi semacam itu tidak serta merta
membuat layanan “ramah pengguna” bagi manusia yang harus berinteraksi
dengannya (Landauer, 1995; St. Amant et al., 2004).
2.5. Produktivitas
Ada banyak contoh di mana tuntutan peningkatan produktivitas
dipaksakan ketika tenaga kerja terbatas. Misalnya, permintaan yang meningkat
untuk perjalanan udara menempatkan lebih banyak pesawat di angkasa, tetapi
tenaga kerja pengendali lalu lintas udara yang terampil terbatas. Dokter mungkin
perlu menemui lebih banyak pasien ketika jumlah mereka terbatas. Militer sering
berusaha menerbangkan lebih banyak kendaraan udara tak berawak dengan jumlah
pilot terbatas untuk meningkatkan produktivitas pengawasan, dan karenanya
mendorong lebih banyak UAV untuk diawasi oleh satu pilot. Dalam kasus seperti
itu, beban kerja terlampaui dengan cepat kecuali lapisan otomatisasi diperkenalkan
(Cummings & Nehme, 2010; Dixon et al., 2005).
5. KOMPLEKSITAS OTOMASI
Otomasi, pada dasarnya, menggantikan fungsi yang semula dilakukan oleh
manusia, oleh komponen mekanis atau komputer. Jadi, sementara menghilangkan
kesalahan manusia, yang dibahas di Bab 9, peningkatan jumlah komponen non-
manusia akan meningkatkan kemungkinan kesalahan atau kesalahan sistem.
Selanjutnya, semakin besar tingkat atau kompleksitas fungsi otomasi, semakin
banyak komponen yang dikandungnya dan, dengan menggunakan persamaan
reliabilitas Bab 9, semakin besar kemungkinan bahwa sesuatu, di suatu tempat,
kadang-kadang, akan gagal. Dengan demikian, hampir tidak dapat dihindari bahwa
otomatisasi dalam sistem yang begitu rumit tidak akan sempurna.
Ketidaksempurnaan otomatisasi dapat menyebabkan masalah ketergantungan yang
berlebihan atau kurang pada otomatisasi, seperti yang dibahas lebih lanjut di bagian
selanjutnya dari bab ini.
Asumsi yang sering dibuat adalah bahwa otomatisasi berbasis komputer
dapat meningkatkan keandalan dan keamanan sistem dibandingkan dengan
perangkat analog atau elektro-mekanis karena mode kegagalan perangkat keras dari
teknologi lama ini dikurangi dengan menggunakan perangkat lunak. Namun
perangkat lunak juga tidak lepas dari potensi kegagalan. Meningkatnya
kecanggihan dan kompleksitas perangkat lunak telah menyebabkan lebih banyak
baris kode dalam sistem otomatis. Seringkali, perangkat lunak baru yang
dikembangkan oleh perusahaan memasukkan kode “warisan” yang ditulis oleh
pemrogram yang sudah lama hilang dari perusahaan dan tidak tersedia untuk
memberikan informasi tentang kode lama.
Sebagai contoh ukuran dan kerumitan perangkat lunak, pesawat Boeing
787 "Dreamliner" baru membutuhkan beberapa juta baris kode untuk menjalankan
sistem otomatisnya. Dengan sistem sebesar itu, ada kemungkinan yang signifikan
bahwa “bug” berbahaya yang bersembunyi di dalam perangkat lunak dapat
menyebabkan masalah yang tidak terduga (Landauer, 1995). Leveson (2005) telah
banyak menulis tentang masalah “keamanan perangkat lunak” dan kesulitan
verifikasi perangkat lunak. Dia juga menganalisis peran perangkat lunak dalam
banyak kecelakaan yang melibatkan pesawat terbang, kendaraan luar angkasa, dan
sistem kompleks lainnya. Dalam analisisnya tentang kecelakaan pesawat ruang
angkasa SOHO pada tahun 1996, misalnya, dia menunjukkan bahwa terlalu percaya
diri dan berpuas diri menyebabkan pengujian dan tinjauan yang tidak memadai
terhadap perubahan perintah perangkat lunak yang dikeluarkan di darat ke pesawat
ruang angkasa (Leveson, 2005). Tanggapan organisasi manusia terhadap kegagalan
perangkat lunak dengan demikian mewakili jenis lain dari kecelakaan terkait
otomasi, selain yang dibahas sebelumnya dalam bab ini.
Kompleksitas otomasi membawa serta masalah observasi ke pengguna
manusia. Ketika algoritme kompleks disematkan dalam sistem otomatis, operator
cenderung tidak memahami mengapa otomatisasi melakukan tindakan tertentu
karena algoritme tidak dapat diamati, seperti halnya dengan banyak algoritme yang
terlibat dalam perdagangan komputer yang mengarah ke saham. kehancuran pasar
pada tahun 2008. Dalam beberapa kasus otomatisasi sangat kompleks sehingga
berfungsi sebagai "agen" yang bergantung di mana operator manusia bertindak
terhadap lingkungan (Lewis, 1998). Akibatnya, saling pengertian antara agen
manusia dan mesin bisa hilang (Woods, 1996). Konsekuensinya, sistem berbasis
agen mungkin paling baik disajikan untuk tugas-tugas yang relatif, sederhana, dan
berisiko rendah. Untuk tugas yang lebih kompleks yang melibatkan pengambilan
keputusan kontekstual, bagaimanapun, sistem tersebut harus memberikan umpan
balik kepada operator manusia sehingga niat agen dipahami (Olson & Sarter, 2000).
Kompleksitas otomasi yang meningkat membawa perhatian kedua. Jika
algoritme begitu rumit untuk melakukan hal-hal dengan cara yang berbeda dari cara
manusia biasanya (atau sebelumnya) menyelesaikan tugas yang sama, maka
operator manusia mungkin akan terkejut, dan terkadang curiga terhadap fungsi
otomatis. Contohnya adalah sistem manajemen penerbangan (FMS), kumpulan
autopilot canggih yang memandu pesawat melalui rute penerbangan yang efisien,
menggunakan algoritme dan logika yang jauh lebih canggih daripada yang
digunakan pilot untuk terbang di rute yang sama (Pritchett, 2009; Sarter & Woods,
1995; Sarter, 2008; Sebok et al., 2012). Karena algoritme non-manusia (dan
karenanya tidak intuitif) yang kompleks ini, sistem seperti itu kadang-kadang akan
melakukan hal-hal (secara sah) yang tidak diharapkan pilot, dan karenanya
membuat mereka bertanya "mengapa melakukan ini?", sebuah konsep dalam
penerbangan digambarkan sebagai "kejutan otomatisasi" (Degani, 2004; Sarter,
2008; Sarter et al., 1997). Secara umum, kejutan seperti itu tidak memiliki implikasi
besar kecuali mereka mengarahkan manusia untuk berasumsi bahwa otomatisasi
telah gagal, dan karenanya, mengintervensi, mungkin secara tidak tepat, situasi
yang menyebabkan kecelakaan fatal (Degani, 2004).
disimpulkan dan digunakan oleh "pengelola tugas" untuk menetapkan lebih banyak
tugas ke otomatisasi (jika beban kerja tinggi) atau ke manusia (jika beban kerja
dikurangi). Pengelola tugas itu sendiri bisa berupa otomatisasi, manusia, atau badan
usaha koperasi. Gambar 12.5 menunjukkan beberapa cara yang memungkinkan
otomatisasi adaptif dapat mengubah beban kerja dan kesadaran situasi untuk
menjaga keseimbangan antara keduanya
Otomatisasi adaptif mirip dengan alokasi fungsi dinamis (Lintern, 2012;
Winter & Dodou, 2011), dimana pembagian kerja antara manusia dan mesin tidak
tetap tetapi dapat diubah, fleksibel, dan bergantung pada konteks. Misalnya, jika
beban kerja manusia yang tinggi disimpulkan di atingkat otomatisasi tertentu dan
gangguan kinerja yang akan datang dicurigai, otomatisasi dapat naik ke tingkat
yang lebih tinggi untuk mendukung operator. Di lain waktu, jika operator dalam
bahaya kehilangan kesadaran situasi karena bekerja dengan otomatisasi tingkat
tinggi, dia mungkin dibawa kembali lebih dalam lingkaran melalui pengurangan
tingkat otomatisasi. Secara umum, sistem adaptif berupaya membatasi potensi
biaya otomatisasi, khususnya OOTLUF, dan untuk meningkatkan keseluruhan
kinerja sistem dengan mengubah fungsionalitas otomasi selama operasi sistem.
Adaptif otomatisasi, berbeda dengan otomatisasi statis, memungkinkan
restrukturisasi lingkungan tugas di ketentuan (a) apa yang otomatis, (b) bagaimana
menyimpulkan, dan (c) kapan perubahan terjadi.
9.1. Masukan
Kami melihat sebelumnya bahwa banyak kasus kecelakaan dan insiden
dalam sistem otomatis terjadi karena operator manusia diberikan umpan balik yang
buruk atau tidak ada sama sekali tentang status otomatisasi dan perilaku (Norman,
1990). Oleh karena itu, perancang otomasi harus berupaya untuk menampilkannya
informasi penting mengenai status otomatisasi saat ini, perubahan dalam status
tersebut (mis., a beralih di tingkat otomatisasi), dan status proses yang dipantau atau
dikendalikan oleh otomatisasi (misalnya, variabel kontinu yang dirasakan oleh
alarm otomatis). Harus mencatat bahwa jenis umpan balik harus dipikirkan dengan
cermat; umpan balik yang disajikan dengan buruk atau berlebihan bisa sama
buruknya dengan tidak ada umpan balik sama sekali. Dalam Bab 4, kami membahas
beberapa studi kasus tentang tampilan yang berhasil dalam konteks desain
antarmuka ekologis (Seppelt & Lee, 2007).
Salah satu pendekatan untuk memberikan umpan balik operator kepada
operator adalah dengan menggunakan multi-modal tampilan, agar tidak membebani
saluran sensor utama yang digunakan operator, yang biasanya penglihatan (lihat
Bab 7). Saluran pendengaran dapat dipertimbangkan, dan ada contoh
penggunaannya umpan balik pendengaran untuk memberikan informasi tentang
keadaan sistem untuk meningkatkan kinerja terutama tugas visual (Ho & Spence,
2008). Namun, saat tampilan pendengaran tumbuh dalam kecanggihan dengan
munculnya "earcons" pendengaran, penyintesis ucapan, dll. (Baldwin, 2012, lihat
Bab 6), bahkan saluran pendengaran bisa menjadi ramai. Akibatnya, sejumlah
peneliti telah mengeksplorasi utilitas tampilan haptic atau taktil sebagai saluran
umpan balik (Sarter, 2007). Misalnya, Sklar dan Sarter (1999) menunjukkan bahwa
tampilan taktil yang dikenakan di pergelangan tangan dapat memberikan informasi
tentang FMS perubahan mode tanpa mengganggu kinerja penerbangan utama,
sekaligus meningkatkan deteksi peringatan.
Jika kinerja, beban kerja, dan fungsi SA tingkat otomatisasi ini dapat
diprediksi dan andal, mereka kemudian dapat digunakan untuk menetapkan tingkat
otomatisasi yang optimal ke sejauh seorang desainer dapat menetapkan bobot relatif
untuk ditugaskan untuk meningkatkan kinerja (baik rutin maupun kegagalan) dan
mengurangi beban kerja. Tapi ini terbukti menjadi tugas yang menantang.
Tentu saja ada beberapa studi yang memiliki tahapan dan/atau level yang
bervariasi sambil mengukur beberapa dari variabel kritis ini. Sebuah studi klasik
dijelaskan dalam Bab 6 oleh Crocoll dan Coury (1990), yang membandingkan
tampilan status (otomatisasi tahap 2) dengan tampilan perintah (tahap 3) dan
menemukan bahwa sementara yang terakhir menyukai kinerja rutin, yang pertama
lebih menyukai manajemen kegagalan pertunjukan. Temuan analogi diperoleh
Sarter dan Schroeder (2001) saat mengevaluasi otomatisasi untuk mencegah icing
pesawat, kontras dengan tampilan yang menunjukkan kesimpulan di mana es
sedang menumpuk (tahap 2) atau penasihat komando yang merekomendasikan
manuver untuk pulih Lapisan gula. Sebuah studi klasik yang meneliti tradeoff lintas
tingkat otomatisasi dilakukan oleh Endsleydan Kiris (1995). Mereka meneliti efek
dari bantuan keputusan mengemudi dalam penelitian ini dan mengamatinya titik
optimal pada tradeoff adalah otomatisasi tingkat menengah ke atas, tetapi tidak
pada tingkat tertinggi.
Rovira dkk. (2007) meneliti lebih lanjut efek dari berbagai tingkat
keandalan otomasi (60 persen dan 80 persen) dan tiga tingkat otomatisasi keputusan
yang berbeda pada kinerja gangguan dengan otomatisasi keputusan yang tidak
sempurna. Biaya kinerja dari keputusan yang tidak akurat saran paling menonjol
pada otomatisasi tingkat tertinggi (yaitu ketika rekomendasi khusus untuk
keputusan optimal diberikan) dan ketika keandalan otomatisasi tinggi.
Wickens, Li, dkk. (2010) berusaha untuk mengintegrasikan dalam meta-
analisis kebijaksanaan kolektif ini dan beberapa penelitian lain yang memvariasikan
tingkat otomatisasi yang tidak sempurna, sambil menilai dua atau lebih dari empat
variabel kritis (kinerja dalam situasi rutin dan mode kegagalan, beban kerja dan
kesadaran situasi, seperti yang ditunjukkan pada gambar 12.6) (mis. , Manzey, D.,
Reichenbach, J., & Onnasch, L., 2012; Sethumadhavan, 2009; Kaber, Onal, &
Endsley, 2000). Hasil dari analisis meta mengungkapkan tren kinerja yang
konsisten di seluruh studi: kinerja rutin meningkat dan kinerja kegagalan menurun
seiring dengan peningkatan tingkat otomatisasi. Namun, hasil untuk penurunan
beban kerja dan penurunan kesadaran situasi kurang jelas (di sebagian mengingat
kurangnya studi yang menilai SA di berbagai tingkat otomatisasi yang tidak
sempurna).
Selain fakta bahwa umpan balik yang baik mungkin dapat memindahkan
titik optimal lebih jauh hak Gambar 12.6, dapat juga dikemukakan bahwa, ketika
risiko ketidaksempurnaan dan manusia/ kesalahan otomatisasi tinggi, titik optimal
harus dipindahkan lebih ke kiri (Parasuraman, Sheridan, & Wickens, 2000), tetapi
ketika tekanan waktu sangat tinggi, sehingga manusia keputusan operator mungkin
tidak dapat dibuat tepat waktu (seperti keputusan untuk mematikan mesin saat lepas
landas; Inagaki, 2003), titik optimal sistem otomasi untuk mendukung pilot dalam
keputusan harus dipindahkan lebih jauh ke kanan. Namun, satu temuan
memberikan catatan khusus. Studi-studi di mana tingkat otomatisasi yang lebih
tinggi terbukti memiliki kesadaran situasi yang lebih tinggi adalah studi-studi di
mana rutinitas dan kegagalan kinerja meningkat sebagai tingkat otomatisasi
meningkat. Kita mungkin menyimpulkan bahwa ini adalah studi di mana para
peneliti memainkan perhatian khusus pada desain tampilan yang efektif, dan
transparansi umpan balik, poin yang kami bahas secara rinci di bagian sebelumnya.
10. Kesimpulan
Sistem otomatis, mendukung atau mengganti semua tahapan pemrosesan
informasi manusia, ditemukan dalam semua aspek pekerjaan dan kehidupan—di
bidang manufaktur, pembangkit listrik, perawatan kesehatan, transportasi, kantor,
rumah, dan di banyak industri lainnya. Di banyak lingkungan seperti itu,
otomatisasi telah meningkat efisiensi, peningkatan keselamatan, dan pengurangan
beban kerja operator. Pada saat yang sama, otomatisasi juga memperkenalkan
masalah baru dan mengubah sifat kerja kognitif operator manusia, yang kadang-
kadang telah menyebabkan insiden dan kecelakaan. Beberapa masalah kinerja
manusia muncul karena sistem otomatis sering dirancang dari perspektif yang
berpusat pada teknologi. Ini termasuk beban kerja mental yang tidak seimbang,
kesadaran situasi yang berkurang, dan kepercayaan yang tidak terkalibrasi,
keduanya kurang percaya dan terlalu percaya. Sejumlah pendekatan untuk
merancang otomatisasi manusia yang efektif interaksi dimungkinkan. Ini termasuk
menggunakan level dan tahapan otomatisasi yang sesuai, pengurangan
kompleksitas otomatisasi, memberikan umpan balik, dan pelatihan untuk
kepercayaan yang terkalibrasi. Adaptif / mudah beradaptasi otomatisasi juga dapat
membantu mengurangi beberapa biaya kinerja manusia dari otomatisasi, meskipun
pekerjaan lebih lanjut perlu dilakukan pada kelayakan praktisnya sebagai pilihan
desain.